MétaCan
Menu
Retour à la cohorte
Enregistrement W2157391112 · doi:10.1111/bcpt.12295

Quality Indicators as a Tool in Improving the Introduction of New Medicines

2014· article· en· W2157391112 sur OpenAlexaff
Stephen Campbell, Brian Godman, Eduardo Diogène, Jurij Fürst, Lars L. Gustafsson, Seán MacBride‐Stewart, Rickard E. Malmström, Hanne Bak Pedersen, Gisbert Selke, Vera Vlahović–Palčevski, Menno van Woerkom, Durhane Wong‐Rieger, Björn Wettermark

Notice bibliographique

RevueBasic & Clinical Pharmacology & Toxicology · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensInstitute for Work & Health
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Protocol (science)AccreditationIncentiveRisk analysis (engineering)Process managementHealth careRemunerationPerformance indicatorComputer scienceMedicineBusinessMarketingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Quality indicators are increasingly used as a tool to achieve safe and quality clinical care, cost-effective therapy, for professional learning, remuneration, accreditation and financial incentives. A substantial number focus on drug therapy but few address the introduction of new medicines even though this is a burning issue. The objective was to describe the issues and challenges in designing and implementing a transparent indicator framework and evaluation protocol for the introduction of new medicines and to provide guidance on how to apply quality indicators in the managed entry of new medicines. Quality indicators need to be developed early to assess whether new medicines are introduced appropriately. A number of key factors need to be addressed when developing, applying and evaluating indicators including dimensions of quality, suggested testing protocols, potential data sources, key implementation factors such as intended and unintended consequences, budget impact and cost-effectiveness, assuring the involvement of the medical professions, patients and the public, and reliable and easy-to-use computerized tools for data collection and management. Transparent approaches include the need for any quality indicators developed to handle conflict of interests to enhance their validity and acceptance. The suggested framework and indicator testing protocol may be useful in assessing the applicability of indicators for new medicines and may be adapted to healthcare settings worldwide. The suggestions build on existing literature to create a field testing methodology that can be used to produce country-specific quality indicators for new medicines as well as a cross international approach to facilitate access to new medicines.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,560
score de la tête « metaresearch » (Gemma)0,552
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,560
Score d'incertitude au seuil0,542

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5600,552
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0200,021
Études des sciences et des technologies0,0030,008
Communication savante0,0200,027
Science ouverte0,0050,013
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,305
Tête enseignante GPT0,523
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBasic & Clinical Pharmacology & ToxicologyMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207